Once bitten twice shy? <scp>E</scp> xperience managing violent conflict risk and <scp>MNC</scp> subsidiary‐level investment and expansion
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Research summary : Researchers have increasingly emphasized the need to better understand how context affects the value of experiential learning. We address this gap by investigating when corporate‐level experience can be leveraged across borders and when experience needs to be country‐specific to be valuable. We test our hypotheses using a unique multi‐source panel dataset of 379 large MNCs from 29 home countries and their subsidiaries in 117 host countries over a 10‐year period, 1999–2008. In contrast to prior research, we find that the ability of a firm to leverage its experience with political risk across borders is limited by the type of risk involved. Experience with nonstate violent conflicts may be transferrable, but only country‐specific experience appears to yield measureable benefits for conflicts involving the host country government . Managerial summary : Violent conflicts not only increase social unrest but also impose added costs of doing business. For managers who find themselves in the midst of violent conflicts or who wish to survive and potentially gain a competitive advantage in operating in such challenging environments, is it possible to learn to manage such a seemingly “unmanageable” problem? In contrast to studies that have examined other types of political risk, we find that the ability of a firm to leverage its experience with violent conflict risk across borders is limited. Specifically, only country‐specific experiential knowledge about how the host government prepares and manages such conflict risks yields measureable economic benefits for MNCs and their subsidiaries operating in countries during conflict . Copyright © 2016 John Wiley & Sons, Ltd.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle